AI 学习笔记
30 天 AI 学习计划 · Python 基础 → ML → DL → LLM → Agent 系统沉淀
共 1 个子专栏 · 31 篇文章
子专栏
全部文章
-
渲染测试：Mermaid + LaTeX
验证 Mermaid 图和 LaTeX 公式在文章页的渲染
-
Day 30｜多 Agent 系统 + 最新研究 + 毕业项目（AI 学习笔记 · AIAgent 前沿 · 第 30 篇）
Day 30｜多 Agent 系统 + 最新研究 + 毕业项目（AI 学习笔记 · AIAgent 前沿 · 第 30 篇）
-
Day 29｜AI Agent 基础:ReAct、Tool Use、Planning 与 OpenAI Function Calling 实战（AI 学习笔记 · AIAgent前沿周 · 第 29 篇）
Day 29｜AI Agent 基础:ReAct、Tool Use、Planning 与 OpenAI Function Calling 实战（AI 学习笔记 · AIAgent前沿周 · 第 29 篇）
-
Day 28｜第 4 周复盘与 LLM 应用项目:RAG 端到端实战（AI 学习笔记 · 大模型与生成式AI周 · 第 28 篇）
Day 28｜第 4 周复盘与 LLM 应用项目:RAG 端到端实战（AI 学习笔记 · 大模型与生成式AI周 · 第 28 篇）
-
Day 27｜多模态:CLIP、扩散模型与视觉语言模型（AI 学习笔记 · 大模型与生成式AI周 · 第 27 篇）
Day 27｜多模态:CLIP、扩散模型与视觉语言模型（AI 学习笔记 · 大模型与生成式AI周 · 第 27 篇）
-
Day 26｜RAG 检索增强生成:Embedding、向量数据库与 LangChain 实战（AI 学习笔记 · 大模型与生成式AI周 · 第 26 篇）
Day 26｜RAG 检索增强生成:Embedding、向量数据库与 LangChain 实战（AI 学习笔记 · 大模型与生成式AI周 · 第 26 篇）
-
Day 25｜微调与 LoRA/QLoRA:把 65B 模型塞进单张 48 GB GPU 的工程奇迹（AI 学习笔记 · 大模型与生成式 AI 周 · 第 25 篇）
Day 25｜微调与 LoRA/QLoRA:把 65B 模型塞进单张 48 GB GPU 的工程奇迹（AI 学习笔记 · 大模型与生成式 AI 周 · 第 25 篇）
-
Day 24｜Prompt Engineering 与思维链 CoT:从指令到角色、从示例到推理（AI 学习笔记 · 大模型与生成式 AI 周 · 第 24 篇）
Day 24｜Prompt Engineering 与思维链 CoT:从指令到角色、从示例到推理（AI 学习笔记 · 大模型与生成式 AI 周 · 第 24 篇）
-
Day 23｜LLM 原理与 Scaling Laws:Chinchilla 修正、涌现争议与 In-Context Learning（AI 学习笔记 · 大模型与生成式 AI 周 · 第 23 篇）
Day 23｜LLM 原理与 Scaling Laws:Chinchilla 修正、涌现争议与 In-Context Learning（AI 学习笔记 · 大模型与生成式 AI 周 · 第 23 篇）
-
Day 22｜预训练范式与 Tokenization:GPT vs BERT、BPE 算法与 4 种子词切分（AI 学习笔记 · 大模型与生成式 AI 周 · 第 22 篇）
Day 22｜预训练范式与 Tokenization:GPT vs BERT、BPE 算法与 4 种子词切分（AI 学习笔记 · 大模型与生成式 AI 周 · 第 22 篇）
-
Day 21｜第 3 周复盘与 CIFAR-10 图像分类项目:把 5 天零件拼成第一个深度学习完整 Pipeline（AI 学习笔记 · 深度学习周 · 第 21 篇）
Day 21｜第 3 周复盘与 CIFAR-10 图像分类项目:把 5 天零件拼成第一个深度学习完整 Pipeline（AI 学习笔记 · 深度学习周 · 第 21 篇）
-
Day 20｜训练技巧:优化器、学习率、正则化、混合精度,从"会训"到"训好"（AI 学习笔记 · 深度学习周 · 第 20 篇）
Day 20｜训练技巧:优化器、学习率、正则化、混合精度,从"会训"到"训好"（AI 学习笔记 · 深度学习周 · 第 20 篇）
-
Day 19｜Transformer 深入:Self-Attention 与位置编码,LLM 时代的入口（AI 学习笔记 · 深度学习周 · 第 19 篇）
Day 19｜Transformer 深入:Self-Attention 与位置编码,LLM 时代的入口（AI 学习笔记 · 深度学习周 · 第 19 篇）
-
Day 18｜RNN / LSTM / GRU:序列建模与「传送带」机制（AI 学习笔记 · 深度学习周 · 第 18 篇）
Day 18｜RNN / LSTM / GRU:序列建模与「传送带」机制（AI 学习笔记 · 深度学习周 · 第 18 篇）
-
Day 17｜CNN:卷积、池化、经典架构(ResNet)（AI 学习笔记 · 深度学习周 · 第 17 篇）
Day 17｜CNN:卷积、池化、经典架构(ResNet)（AI 学习笔记 · 深度学习周 · 第 17 篇）
-
Day 16｜PyTorch 入门:Tensor、自动求导、nn.Module（AI 学习笔记 · 深度学习周 · 第 16 篇）
Day 16｜PyTorch 入门:Tensor、自动求导、nn.Module（AI 学习笔记 · 深度学习周 · 第 16 篇）
-
Day 15｜神经网络基础:MLP、反向传播、激活函数（AI 学习笔记 · 深度学习周 · 第 15 篇）
Day 15｜神经网络基础:MLP、反向传播、激活函数（AI 学习笔记 · 深度学习周 · 第 15 篇）
-
Day 14｜第 2 周复盘 + 完整 ML Pipeline 实战（AI 学习笔记 · 经典机器学习周 · 第 14 篇）
Day 14｜第 2 周复盘 + 完整 ML Pipeline 实战（AI 学习笔记 · 经典机器学习周 · 第 14 篇）
-
Day 13｜模型评估与调参:交叉验证、网格搜索、过拟合诊断（AI 学习笔记 · 经典机器学习周 · 第 13 篇）
Day 13｜模型评估与调参:交叉验证、网格搜索、过拟合诊断（AI 学习笔记 · 经典机器学习周 · 第 13 篇）
-
Day 12｜聚类与降维:K-Means、PCA、t-SNE 三件套（AI 学习笔记 · 经典机器学习周 · 第 12 篇）
Day 12｜聚类与降维:K-Means、PCA、t-SNE 三件套（AI 学习笔记 · 经典机器学习周 · 第 12 篇）
-
Day 11｜SVM 与核方法:几何直觉驱动的最大间隔分类器（AI 学习笔记 · 经典机器学习周 · 第 11 篇）
Day 11｜SVM 与核方法:几何直觉驱动的最大间隔分类器（AI 学习笔记 · 经典机器学习周 · 第 11 篇）
-
Day 10｜梯度提升:XGBoost 与 LightGBM,表格数据的「默认基线」（AI 学习笔记 · 经典机器学习周 · 第 10 篇）
Day 10｜梯度提升:XGBoost 与 LightGBM,表格数据的「默认基线」（AI 学习笔记 · 经典机器学习周 · 第 10 篇）
-
Day 9｜决策树与随机森林:从「if-else 树」到「民主投票箱」（AI 学习笔记 · 经典机器学习周 · 第 9 篇）
Day 9｜决策树与随机森林:从「if-else 树」到「民主投票箱」（AI 学习笔记 · 经典机器学习周 · 第 9 篇）
-
Day 8｜分类问题:逻辑回归、Softmax、交叉熵,ML 分类任务的「老底子」（AI 学习笔记 · 经典机器学习周 · 第 8 篇）
Day 8｜分类问题:逻辑回归、Softmax、交叉熵,ML 分类任务的「老底子」（AI 学习笔记 · 经典机器学习周 · 第 8 篇）
-
Day 07|第 1 周复盘与 Kaggle Titanic 实战:把 6 天零件拼成第一个完整 Pipeline（AI 学习笔记 · 基础筑基周 · 第 7 篇）
·周复盘Day 07|第 1 周复盘与 Kaggle Titanic 实战:把 6 天零件拼成第一个完整 Pipeline（AI 学习笔记 · 基础筑基周 · 第 7 篇）
-
Day 06｜线性回归手写实现:从零拼出第一个 ML 模型（AI 学习笔记 · 基础筑基周 · 第 6 篇）
Day 06｜线性回归手写实现:从零拼出第一个 ML 模型（AI 学习笔记 · 基础筑基周 · 第 6 篇）
-
Day 05｜工具链:Jupyter、pandas、matplotlib 与 scikit-learn（AI 学习笔记 · 基础筑基周 · 第 5 篇）
Day 05｜工具链:Jupyter、pandas、matplotlib 与 scikit-learn（AI 学习笔记 · 基础筑基周 · 第 5 篇）
-
Day 04｜概率统计基础:概率分布、贝叶斯与期望方差（AI 学习笔记 · 基础筑基周 · 第 4 篇）
Day 04｜概率统计基础:概率分布、贝叶斯与期望方差（AI 学习笔记 · 基础筑基周 · 第 4 篇）
-
Day 03｜微积分与梯度:偏导、链式法则与梯度下降（AI 学习笔记 · 基础筑基周 · 第 3 篇）
Day 03｜微积分与梯度:偏导、链式法则与梯度下降（AI 学习笔记 · 基础筑基周 · 第 3 篇）
-
Day 02｜线性代数核心:向量、矩阵、点积与特征值（AI 学习笔记 · 基础筑基周 · 第 2 篇）
Day 02｜线性代数核心:向量、矩阵、点积与特征值（AI 学习笔记 · 基础筑基周 · 第 2 篇）
-
Day 01｜Python 基础速通:数据结构、函数与 NumPy 入门（AI 学习笔记 · 基础筑基周 · 第 1 篇）
30 天 AI 学习计划 Day 1:Python 基础语法速通,为后续机器学习打地基。